Модифікований нейромережний метод рейтресингової аберометрії ока
Дата
2025
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Ярошенко М.О. Модифікований нейромережний метод рейтресингової аберометрії ока. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 172 “Телекомунікації та радіотехніка”. – Національний технічний університет України “Київський політехнічний інститут імені Ігоря Сікорського”, Київ, 2025.
Дисертаційна робота присвячена вирішенню важливої та актуальної науково-прикладної задачі – вдосконалення рейтрейсингового методу аберометрії ока шляхом застосування методів машинного навчання, зокрема штучних нейронних мереж, задля підвищення його точності. Дисертаційне дослідження складається зі вступу та п’яти розділів, які відображають та обґрунтовують основні результати роботи. У вступі обґрунтовано актуальність дисертаційної роботи, висвітлено зв’язок роботи з науковими програмами, планами та темами НДР КПІ ім. Ігоря Сікорського. Сформульовано мету та вказані задачі, вирішення яких передбачає досягнення мети дослідження. Визначено об’єкт, предмет та методи дослідження, надано інформацію про наукову новизну та практичне значення отриманих результатів. Наведено інформацію про висвітлення результатів роботи в періодичних наукових виданнях та їх апробацію на наукових конференціях. Перший розділ присвячено розгляду рейтрейсингового методу аберометрії ока людини, його обмежень та переваг. В результаті огляду літературних джерел виявлено можливості для вдосконалення рейтрейсингового методу аберометрії ока та проблеми, які можуть супроводжувати дослідження. Виходячи з цього, сформовано перелік завдань, результатом виконання яких є створення модифікованого нейромережного методу рейтрейсингової аберометрії. По-перше, пропонується розв’язати проблему нестачі вибірок вимірювань аберацій, оскільки ця проблемаускладнює досягнення мети не тільки даної роботи, але і подальші дослідження та розробку методів офтальмологічної аберометрії загалом. Подруге, заплановано розробку та аналіз модифікації рейтрейсингового методу із використанням наявної вдосконаленої конструкції рейтрейсингового аберометра. Втім, у випадку виявлення недоліків, третім завданням визначено розробку модифікації методу, яка б потребувала, за необхідності, іншого способу вимірювання та, відповідно, іншої оптичної системи для імплементації методу. В якості четвертого завдання виділено дослідження та розробку способів корекції визначення аберацій в складі модифікованого нейромережного методу аберометрії. Розробку методу надроздільної здатності абераційних мап обрано п’ятим завданням, оскільки, у випадку практичної реалізації розробленого в ході роботи модифікованого методу рейтрейсингової аберометрії, створення серійних вимірювальних приладів цілком ймовірно може стикнутися з неможливістю вимірювання певних коефіцієнтів Церніке, що описують аберації вищих порядків. У другому розділі описано розробку методу для генерації офтальмологічних аберометричних даних у вигляді наборів коефіцієнтів Церніке із застосуванням генеративно-змагальної нейронної мережі. Враховуючи те, що для навчання використовувалася вибірка розміром в 50 наборів, приділено увагу пошуку спеціалізованих методів аугментації даних з метою покращення навчання мережі. Використано метод аугментації, що ґрунтується на застосуванні обернених перетворень. Застосовано перетворення, що охоплюють не тільки маніпуляції зі значеннями коефіцієнтів у векторі, а й операції над піксельними зображеннями викривлень хвильового фронту за наборами коефіцієнтів. Для перевірки працездатності методу створено архітектуру генеративно-змагальної нейронної мережі, проведене її навчання. Результат навчання оцінено за метриками творчості, спадковості та різноманіття. Третій розділ містить в собі опис модифікації методу рейтрейсингової аберометрії для одночасного сканування декількох точок зіниці шляхомодночасного засвічування декількох випромінювачів. Для розв’язання проблеми, що постає в такому випадку, а саме проблеми некоректного зіставлення координати відбитка та позиції променя сканування, розроблено метод на основі нейронної мережі класифікації та угорського алгоритму. Наведено відомості щодо шарів довгої короткочасної пам’яті як основних для запропонованого методу. Проведено навчання нейронної мережі та оцінку результатів. Виходячи з наявності обмежень, обумовлених складнощами імплементації, обґрунтовано рішення для розробки нейромережної модифікації рейтрейсингового методу аберометрії, яка б використовувала інший спосіб вимірювання, який потребує іншої оптичної системи. У четвертому розділі представлено опис оптичної системи для реалізації запропонованої нейромережної модифікації рейтрейсингового методу, приклад первинної обробки даних, спосіб розрахунку першого наближення для визначення аберацій за допомогою нейронної мережі, а також опис агенту та середовища навчання з підкріпленням, призначеного для уточнення результатів. Розділ містить опис симуляції в спеціалізованому програмному забезпеченні, за результатами якої запропоновано приклад алгоритму отримання інформації про форму світлової плями на детекторах, отриманої шляхом підсвічування ока аналогічно до методу Гартмана-Шека – шляхом створення точкового джерела світла на сітківці в місці перетину із головною оптичною віссю. Описано штучну нейронну мережу прямого розповсюдження, яка за сигнатурами світлових плям на детекторах оцінює набір коефіцієнтів Церніке, що описують викривлення хвильового фронту відбитого від сітківки випромінення, яке пройшло крізь оптичну систему ока. Проведено навчання нейронних мереж та наведено його результати. Невелику частину (10 примірників) використано для перевірки працездатності та навчання агента для уточнення результату. Розроблено середовище для роботи агента, яке імітує оптичну систему, що використовується для вимірювань. Створено агента на базі методу глибокого Q-навчання. Додатково створено агент на базі методу оптимізації проксимальної політики та проведено йогонавчання з метою дослідження доцільності його використання як модифікації глибокого Q-навчання. П’ятий розділ містить в собі опис методу на основі штучної нейронної мережі для надроздільної здатності викривлень хвильового фронту. Для визначення коефіцієнтів Церніке вищих порядків за значеннями коефіцієнтів нижчих порядків, розроблено штучну згорткову нейронну мережу, проведено її навчання та наведено результати. Використано вибірку, яка складається з зображень хмарного неба, фрагменти яких перетворено на нормовані зображення викривлень хвильових фронтів, за якими розраховано коефіцієнти Церніке для створення навчаючої вибірки. У дисертаційній роботі отримано наступні нові наукові результати дослідження: 1. Набув подальшого розвитку рейтрейсинговий метод аберометрії ока шляхом модифікації із застосуванням нейронних мереж на різних етапах функціонування методу: перше наближення визначення характеристик аберацій, уточнення результату та оцінка аберацій вищих порядків. Це дозволило підвищити точність методу. Зокрема за оцінками в симуляції точність при визначенні дефокусу підвищено на 25% порівняно з існуючим аберометром iTrace у випадку викривлень зображення на детекторі не більше ніж 0.1 за відстанню Жаккара. Також запропонована модифікація дозволяє знизити вимоги до оптичної системи, необхідної для реалізації приладу, пришвидшити процес вимірювання шляхом одночасного сканування, а також надає можливість прогнозувати значення коефіцієнтів Церніке високих порядків на основі коефіцієнтів аберацій нижчих порядків (при апроксимації коефіцієнтів 6 та 7 порядків похибка становить не більше 4% за метрикою SMAPE). 2. Набуло подальшого розвитку генерування аберометричних даних у вигляді векторів коефіцієнтів Церніке. Це досягнуто шляхом застосування розробленої в рамках роботи генеративно-змагальноїнейронної мережі. Використання перетворення наборів коефіцієнтів Церніке у двовимірне зображення розширило можливості аугментації вхідних даних, що є особливо актуальним в умовах низької доступності клінічних даних та значних потреб у навчаючих вибірках для розробки рішень на основі штучних нейронних мереж для використання в офтальмологічній аберометрії. Розроблений метод придатний до синтеза даних, що мають розподіл, схожий з навчаючою вибіркою (відстань Фреше дорівнює 0.7), і які одночасно не є копією реальних примірників (92% за метрикою творчості) та примірники яких є різноманітними (значення відповідної метрики дорівнює 3.64, оптимальним є значення 3.83). 3. Запропоновано модифікацію рейтрейсингового методу аберометрії для одночасного сканування декількох зіничних координат із застосуванням масиву лазерних випромінювачів. Використання нейронної мережі для класифікації стало розв’язанням проблеми некоректного зіставлення променів сканування та їхніх відбитків на сітківці. Результатом застосування модифікації є зменшення довірчого інтервалу, що позитивно впливає на прецизійність: наприклад, при скануванні одночасно 16 зіничних координат довірчий інтервал зменшується в 4.4 рази для часового бюджету аберометра iTrace. Визначені в ході цієї роботи обмеження, які супроводжуватимуть імплементацію методу, показали необхідність у розробці модифікації, яка б потребувала, за необхідності, іншого методу вимірювання та, відповідно, іншої оптичної системи. Отримано практичні результати досліджень: 1. Розроблена дослідна реалізація моделі процесу вимірювань для запропонованої нейромережної модифікації рейтрейсингового методу аберометрії ока в середовищі Zemax. Для моделі розроблено алгоритм обробки зображень в програмному пакеті MATLAB, якийвикористовується для підготовки даних для подальшого визначення коефіцієнтів хвильового фронту відбитого від сітківки світла. 2. Розроблена нейронна мережа для визначення коефіцієнтів Церніке хвильового фронту по сигнатурах світлових плям на фотодетекторах для нейромережної модифікації методу рейтрейсингової аберометрії. Розробка та тренування нейронної мережі здійснювалося в середовищі Kaggle мовою програмування Python із залученням бібліотек функцій TensorFlow, SciPy та ін. 3. Розроблена програма-агент навчання з підкріпленням (метод Deep QNetwork) для уточнення першого наближення при визначенні коефіцієнтів Церніке. Підготовка агента та його навчання, а також розробка середовища здійснювались в програмному пакеті MATLAB. 4. Розроблена генеративно-змагальна нейронна мережа для генерації аберометричних даних. Створення та навчання мережі здійснювались в середовищі Kaggle мовою програмування Python із залученням бібліотек функцій TensorFlow, SciPy та ін. 5. Розроблена нейронна мережа для прогнозування коефіцієнтів Церніке вищих порядків на основі значень коефіцієнтів нижчих порядків. Створення та навчання мережі здійснювались в середовищі Kaggle мовою програмування Python із залученням бібліотек функцій TensorFlow, SciPy та ін. 6. Для модифікації методу із масивом лазерних випромінювачів розроблено класифікаційну нейронну мережу для встановлення відповідностей між променями сканування та відбитками на сітківці. Створення та навчання мережі здійснювались в середовищі Google Colaboratory мовою програмування Python із залученням бібліотек функцій TensorFlow, SciPy та ін. 7. Результати дисертаційних досліджень використані як матеріали при підготовці та викладанні курсу лекційних і практичних занять (комп’ютерного практикуму) з дисципліни “Основи нейромережнихтехнологій” та викладанні курсу лекційних і лабораторних занять з дисципліни “Системи комп’ютерного зору” другого (магістерського) рівня вищої освіти спеціальності 172 «Електронні комунікації та радіотехніка» освітньо-професійної програми «Інформаційнообчислювальні засоби радіоелектронних систем», що засвідчено відповідним актом.
Опис
Ключові слова
рейтресинговий метод аберометрії, штучні нейронні мережі, генерування даних, генеративно-змагальні нейронні мережі, навчання з підкріпленням, надроздільна здатність, комп’ютерне моделювання, обробка зображень, ray-tracing aberrometry method, artificial neural networks, data generation, generative adversarial neural networks, reinforcement learning, superresolution, computer modeling, image processing
Бібліографічний опис
Ярошенко, М. О. Модифікований нейромережний метод рейтресингової аберометрії ока : дис. … д-ра філософії : 172 Телекомунiкацiї та радiотехнiка / Ярошенко Максим Олександрович. - Київ, 2025. - 151 с.